基于自适应Canny算子柑橘边缘检测.pdfVIP

第24卷第3期 农业工程学报 V-01．24No．3 TransactionsCSAE Mar．200821 2008年3月 ofthe 基于自适应Canny算子的柑橘边缘检测 周志宇1，刘迎春2，张建新3 (1．浙江理工大学信息电子学院，杭州310018；2．浙江土业大学集成化信息系统研究所，杭州310014： 3．浙江理工大学机械与自动控制学院，杭州310018) 摘要：针对传的Canny算子进行柑橘边缘检测存在假边缘的同时还会丢失灰度值变化缓慢的局部边缘问题，该文根据 柑橘图像边缘梯度特征信息，提出了利用信息熵来自适应确定Canny算子的高、低阈值。试验结果表明：自适应Canny 算子比传统的边缘检测方法得到的边缘连通性好，定位精度高，抗噪性能强，同时该方法提高了柑橘边缘检测的自动化 程度。 关键词：Canny算子；熵；边缘检测；自适应阈值；柑橘 中图分类号：TP391．41 文献标识码：A 文章编号：1002—6819(2008)一3一00盟-04 Zhou detectionbased011 ofthe Zhiyu,Liu Jianxin．Orangeedge adaptiveCanny Ymgchun。Zhang Chinesewith CSAE，2008，24(3)：21—24．(in Englishabstract) 0引 算子的高、低阈值，从而获得清晰的柑橘边缘。 目前，计算机视觉技术在农业自动化领域中应用越 1 Oanny算子 来越广泛【蚴，其中农产品的外形形状参数常作为农产品 自动化收获、农产品的分类和品质检测的重要依据。如 Canny算子由于其稳定性和较高的信噪比而受到重 K．Liao等【3】通过分析玉米外形来选择形状参数，利用人工视，主要通过以下步骤实现‘9】：1)用高斯滤波器平滑图 神经网络来进行分类。赵静【4】将参数形状分析法用于果形 像；2)用一阶偏导的有限差分来计算梯度的幅值和方向； 判别，利用人工神经网络对果形进行识别和分类。宁纪锋 3)对梯度值进行非极大值抑制；4)用双阈值算法检测 【5】利用图像形态学运算方法实现对球形果实缺陷和形状 和连接边缘。为了满足图像梯度逼近能够抑制噪声效应， 的检测，从而达到对苹果的分级。俞高红【6】通过对蘑菇的 同时尽量精确地确定边缘的位置，Canny算子采用高斯函 单体检测定位及其边界描述为蘑菇采摘机器人的开发奠 数的一阶导数进行图像的高斯函数平滑和梯度计算。如 定理论基础。徐惠荣口1采用边缘检测算子进行了分割处 用，(f，_，)表示图像，图像经高斯平滑后的矩阵为S(f，，)， 理，很好地实现了水果的识别。可见正确的外形提取是 然后计算图像的梯度矩阵，首先得到s(i，J)的X方向和 农产品的品质鉴定、自动化收获中非常重要的依据。 Y方向的偏微分值p(i，J)和Q(i，J)，计算方程为 边缘是图像最基本的特征，主要存在于目标与背景、 目标与目标之间，是图像分割、纹理特征提取和形状特 (1) 删)=砉exp(一等2。Y)盯‘ 。 征提取等图像分析的重要基础。边缘检测通常是图像分 析和理解的重要步骤，因此成为计算机视觉研究领域最